基于支持向量机和遗传算法机器人运动目标检测.pdfVIP

第 49卷 第 6期 厦 门大学学报 (自然科学版) Vo1．49 NO．6 2010年 11月 JournalofXiamenUniversity(NaturalScience) NOV．2O1O 基于支持向量机和遗传算法机器人运动 目标检测 吴夭 皖晓 (福州大学机械工程与 自动化学院，福建 福州 350108) 摘要 ：针对足球机器人在比赛过程中，由于光线变化、场地颜色变化、目标被遮档导致的目标识别率低、鲁棒性差和实 时性不强等问题 ，采用二维直方 图对机器人 5个标准 目标 的颜色模型进行分析 比较，确定最佳颜色模型为YIQ．对 5个 目标 的聚类进行改进的形态学处理 ，得到 了最佳的特征值．对所获得 的机器人 5个 目标特征值进行改进 的SVM 分类识 别．用改进的遗传算法对识别的 目标位置进行检测分析 ，在 目标被遮档或部分遮档 的情况下仍能正确检测 ，增强了 目标 检测 的鲁棒性。实验表明，其平均识别率达到 97．38 ，收敛速度小于 1O代 ，检测精度达到 95 ，能够满足球机器人 比赛 要求． 关键词 ：目标检测；改进SVM；改进遗传算法；机器人 中图分类号：TP271．4；TP242．62 文献标识码 ：A 文章编号：0438—0479(2010)060782—07 全 自主足球机器人 比赛 中，目标是用特定的颜色 来标识的，一般用橙色表示球 ，绿色表示场地 ，白色表 示球场边界 ，黄、蓝色表示双方球 门等，传统的方法都 是用颜色区分 目标．已提 出的 目标识别方法有颜色查 找表法 、阈值法 、基于边缘的方法 、基于区域生长法 、聚 类法、边缘检测法、神经网络法等．但实际比赛 中，由于 目标被遮档或部分遮档 、光线变化等，仍存在 目标识别 率低、鲁棒性差和实时性不强等问题 [1]． 在多次足球 比赛和平时训练 中，我们发现并总结 了一种新方法 ，通过分析 HUV、HSI、YIQ等颜色模 图 l 目标分类识别流程 图 型对机器人 目标 的的二维直方 图，YIQ颜色模型对 Fig．1 Targetidentificationdiagram 橙 、绿、黄 、蓝、白特征相对分散不重叠，且对光线不敏 标识别和定位含有 3个层次 ，即特征、模板 匹配和模 感 ，可由支持向量机 (SVM)离线训练、在线使用 ，并获 型，其准确性、鲁棒性逐步提高．目前 的国内外研究向 得分类 (图 1)．作为最重要的相对运动 的 目标足球来 模型方法发展．物体的色相和饱和度通常由构成物体 说 ，根据分类结果尝试采用遗传算法 (GA)实时检测运 的原材料的光线吸收和反射特性来决定 ，但物体的亮 动 目标足球的坐标并跟踪，取得了较为满意的效果． 度明显地受光照和视角的影响．例如，一个阴影落在物 1 目标识别方法 体上对于像素亮度的影响比对其它两个颜色参数的影 响更大．因此，在色相一饱和度平面分割图像更容易得 出正确的结果 ，可以完全不用亮度信息．还可以利用平 l-1 颜色模型的选取 滑或中值滤波器作用于两个颜色参数来去除噪声．但 由于RGB颜色模型相关性很高且 易受光源及环 HSI在变换过程 中存在奇异点且为非线性变换，对于 境干扰，所以通常把它转换成 HSI颜色模型，因为色